基于识别模型的批量图像分割方法及系统技术方案

本发明专利技术提供了一种基于识别模型的批量图像分割方法及系统。目前许多桌面图像处理软件甚至是一些移动设备上的应用都提供了图像分割的功能，用于将一幅图片中的前景和背景进行分离。但是这类软件通常需要用户手动圈出图片中前景的轮廓，对用户的交互操作要求较高，并且无法对多张图像进行批量处理。本发明专利技术针对上述问题设计，为用户提供多种不同的基于识别的模型，用户只需手动选择一个或多个模型，然后再选取要处理的图片，系统即可根据用户所选择的模型自动对所有图片进行分割操作。

【技术实现步骤摘要】

本专利技术涉及图像处理技术及计算机视觉领域，尤其涉及一种从图片中基于被选择的识别模型自动分割与模型匹配的部分的方法及其系统。
技术介绍
图像分割是指将图像按照一定的规则或目的分割为多个部分的过程，例如将一幅山水画的图像分割为包含山的部分、包含水的部分以及其他部分，又如将一幅人像的图像中的人物同背景分割出来的过程。图像分割技术在实际中应用广泛，应用领域包括医学影像、卫星定位以及图像后期美化处理等。近年来，随着软硬件技术的飞速发展，一些个人计算机上的图像处理软件甚至是一些手机应用都提供了图像分割的功能，可以方便使用者对拍摄的照片进行后期处理(去除杂物、图像拼接等)。然而现阶段这部分功能的视线都需要用户手动的在图像中圈出需要分割的部分的轮廓，并且图像分割的处理结果与用户所圈出的轮廓的准确程度有很大的关系，这对用户的交互操作提出了很高的要求。除此之外，需要用户手动在图像上画出轮廓的操作也决定了现有的图像处理软件无法对多张图像进行批量的图像分割处理。因此，迫切需要开发出一种图像分割模块，其具有只需用户简单的操作即可对多张图像进行批量分割处理的功能。基于识别模型的批量图像分割，顾名思义，就是用户选取想要分割出的识别模型以及需要进行图像分割操作的一张或多张图片后，采用一系列机器学习及模式识别的算法，对分割的图片中匹配待匹配的部分进行判断，并将分割后的前景和背景数据显示在软件中，用户可以对分割后的图像进行进一步的操作，如删除或保存等。这种方式极大地简化了用户的操作，并为用户节约了宝贵的时间。
技术实现思路
为了克服现有图像处理软件无法对图片进行批量图像分割处理的缺点，提供一种基于识别模型的，对批量图片模型的对应的位置进行自动匹配和分割，并将分割出的前景和背景数据显示在软件中，方便用户进行后期处理的方法和系统。本专利技术提供了一种基于识别模型的批量图像分割的方法，包括以下步骤:I)系统进入模型选择模式；2)系统获得用户所选择的识别模型，进入图片选择模式；3)系统获得用户所选择的图片；4)系统基于2)步骤中获得的识别模型，对3)步骤中获得的图片数据运行批量图像分割算法，获取图片中分割出的部分；5)系统将处理结果传送至输出单元；本专利技术提供了一种基于识别模型的批量图像分割算法，该算法基于用户所选择的一个或多个局部可变模型及对应的图像特征，对一张或多张图片中不同分辨率下的不同细节分别进行匹配和评分，最后对评分结果进行相加。本专利技术提供了一种基于识别模型的批量图像分割的系统，包括以下单元:I)接收单元，接收用户选择的识别模型以及图片；2)图像分割单元，进行核心的图像分割过程；3)输出单元，对分割后的结果进行输出。本专利技术的优点是:I)克服了现有图像处理软件无法对批量图片进行图像分割的缺点，填补了目前这一领域的技术空白；2)进一步提升了图像处理软件的功能，为用户对照片处理提供了便利，节省了用户后期处理的时间；3)采用了一系列机器学习及模式识别的算法，对照片中匹配区域进行选择和判断，大幅度提高了系统的自动化程度和效率。附图说明图1为本专利技术提供的一种基于识别模型的批量图像分割方法的工作流程图；图2为本专利技术提供的一种基于识别模型的批量图像分割算法的工作流程图。图3为本专利技术提供的一种基于识别模型的批量图像分割系统的结构示意具体实施例方式下面将结合本专利技术中的附图，对本专利技术的技术方案进行清晰、完整地描述。基于本专利技术中的实施例，本领域普通技术人员在没有做创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为使本专利技术的目的、技术方案及优点更加清楚明白，接下来将参照附图对本专利技术实施例进行详细的说明。如图1所示，基于识别模型的批量图像分割方法的工作流程包括以下几个步骤:用户在图像处理软件的控制面板上进行选择要匹配的识别模型，系统获得用户所选择的模块，然后进入图片选择界面；用户在图片选择界面选择要进行图像分割处理的图片；系统获得输入单元传来的原始图像数据和识别模型数据；系统依次对每张图片的原始图像数据基于用户所选择的识别模型运行图像分割算法，检测图像中的与模型所匹配的区域，其工作原理如图2所示；系统对图像分割处理结果传送至输出单元。如图2所示，基于识别模型的批量图像分割算法分为以下几个步骤:步骤1，获取原始图像数据，及用户选择的已经过训练存储在存储介质中的多级局部可变模型；步骤2，提取图像中的特征，本专利技术中采用的是一种15X1536维的GIST特征；步骤3，使用不同的识别模型，分别与提取的特征进行匹配，并对匹配结果加权求和获得如景掩码图像(mask)；步骤4，根据掩码图像初始化前景/背景模型。；步骤5，使用前景/背景模型对图像进行二值分割，并将分割结果与前景/背景模型进行比较，若收敛，则为最终结果，否则，迭代步骤5 ；步骤6，输出最终分割结果。图3所示，本专利技术实施一种基于识别模型的批量图像分割系统，包括以下单元:接收单元，用于接收用户选择的识别模型数据以及图片数据(即原始图像信息)，并将模型数据和图像数据交由图像分割单元进行处理。图像分割单元，用于检测图像中的与所选模块匹配的部分，处理结果(即分割出的前景和背景数据)传输至输出单元。输出单元，输出检测结果到软件中。最后，应当指出，以上实施例仅是本专利技术较有代表性的例子。显然，本专利技术的技术方案并不限于上述实施例，还可以有许多变形。本领域的普通技术人员可在不脱离本专利技术的专利技术思想情况下，对于上述实施例做出种种修改或变化，因而本专利技术的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。本文档来自技高网...

【技术保护点】
一种基于识别模型的图像分割方法，其特征在于，包括以下步骤：1)提供多种识别模型供用户选择；2)获取用户手动选择的识别模型；3)进入图片选取模式，获取用户选择的需进行处理的图像；4)基于用户所选择的模型，对用户选择的图像运行基于识别模型的图像分割算法，获取图像中与每个模型相匹配的部分，将图像分割为前景和背景；5)将分割后的前景和背景数据传送至输出单元。

【技术特征摘要】
1.一种基于识别模型的图像分割方法，其特征在于，包括以下步骤: 1)提供多种识别模型供用户选择； 2)获取用户手动选择的识别模型； 3)进入图片选取模式，获取用户选择的需进行处理的图像； 4)基于用户所选择的模型，对用户选择的图像运行基于识别模型的图像分割算法，获取图像中与每个模型相匹配的部分，将图像分割为前景和背景； 5)将分割后的前景和背景数据传送至输出单元。2.如权利要求1的步骤4)所述的基于识别模型的批量图像分割算法，其特征在于，所述的算法包括以下步骤: 1)通过收集大量互联网上的图片，形成图片数据库，通过训练图片数据库中的所有图片形成不同的识别模型，供用户选择，用户根据所选择的图像，选择合适的识别模型； 2)使用不同的识别模型分别对图像进行检测，识别出图像中各类模型的前景区域，并使用检测窗口标记每个区域的所在位置； 3)对每一检测窗口所标记的图像区域，计算该区域的图像特征； 4)收集所有区域的图像特征，与训练特征进行逐个匹配，这里的训练特征是之前存储在系统中的，通过对训练图像进行检测并通过特征提取获取收集的，特征经匹配后的结果进行加权相加，获得前景预测掩码，使用I或O标记前景与背景区域； 5)根据前景的预测掩码，建立...

【专利技术属性】
技术研发人员：陈纯，卜佳俊，朱建科，刘钊，仇卓，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33